（一）从应用方向、数据体量、用户访问量三个方面考虑
应用方向，以事务为主还是以分析为主
数据体量，以分析为主，最大数据数据量多少、中位数多少；以事务为主，每秒插入量多少，一天的数据量多少
用户操作类型，事务提交，需要实时响应，充分考虑并发；分析统计类操作，实时性要求相对低一些。
（二）场景示例
场景1，以事务业务为主，有一定的数据查询场景，每秒插入在3000左右，并发量2000，一天的数据量约2000万，那么建议采用oracle数据库，通过索引来提升性能，如果有较大的表还需要考虑分区来进行管理，并发通过设置数据库并发数和oracle集群节点来保障
场景2，以事务业务为主，有一定的数据查询场景，每秒插入在100左右，并发量20，一天的数据量约2万，那么可以采用mysql数据库，通过索引来提升性能，根据业务需要考虑大数据量的转储，并发通过设置数据库并发数来保障
场景3，以数据分析业务为主，分析的最大数据量在5亿以下，中位数在1000万，用户并发数100，建议采用mpp数据库，比如gaussdb、gbase、postgres，并发通过设置数据库并发数和集群节点来保障
场景4，以数据分析业务为主，分析的最大数据量在100亿左右，用户并发数10000，建议采用分布式数据库，比如spark，通过业务场景设置索引和节点数等来保障性能
如果多种场景，还可以采用混合数据库来实现
好的数据库架构第一能提高技术人员开发使用效率，第二提高最终客户体验，同时能够有效利用资源，促进技术生态良性发展。
数合建模，数据建模及可视化工具，各种数据库应用的实践者，结合其他生态工具平台，推进政企数字化建设